SOYBEAN YIELD PREDICTION USING REMOTE SENSING IN SOUTHWESTERN PIAUÍ STATE, BRAZIL
AUTOR(ES)
ANDRADE, THATIANE GOMES; ANDRADE JUNIOR, ADERSON SOARES DE; SOUZA, MELISSA ODA; LOPES, JOSE WELLINGTON BATISTA; VIEIRA, PAULO FERNANDO DE MELO JORGE
FONTE
Revista Caatinga
DATA DE PUBLICAÇÃO
2022
RESUMO
RESUMO Pesquisas recentes apontam resultados promissores da integração de dados orbitais utilizando o índice de vegetação NDVI, para monitorar e estimar a produtividade da soja. O objetivo do trabalho foi avaliar a proposição de modelos de regressão linear múltipla para estimativa da produtividade de grãos com uso do índice NDVI. A pesquisa foi realizada na Fazenda Celeiro, município de Monte Alegre do Piauí, PI, sendo a área de estudo de 200 ha. Foram utilizadas cinco imagens durante o ciclo de cultivo da soja, sendo uma do Landsat 8 e quatro do Sentinel 2. Efetuou-se análises de regressão entre dados de produtividade de grãos (variável predita), extraídos dos mapas de colheita, e dados espectrais de (variáveis preditoras) oriundos dos índices de vegetação (NDVI) de diferentes estádios de desenvolvimento da soja. A seleção dos modelos promissores foi efetuada pelo critério de informação de Akaike (AIC). Para validação dos modelos utilizou-se a raiz quadrada do erro quadrado médio (RMSE) e a raiz quadrada do erro quadrado médio normalizado (nRMSE) pela média da produtividade da soja no talhão. O modelo de regressão linear gerado com o índice de vegetação NDVI nos estádios de desenvolvimento V5-V6 e R2, mostrou-se promissor na predição da produtividade de grãos de soja, com erro médio de estimativa da ordem de 153,9 kg ha-1, o que representa 4,2% em relação aos dados medidos em campo.
Documentos Relacionados
- Snakebites in southwestern Goiás State, Brazil
- Genotype and environment interaction on soybean yield in Mato Grosso State, Brazil.
- Genotype and environment interaction on soybean yield in Mato Grosso State, Brazil.
- Correlation maps to assess soybean yield from EVI data in Paraná State, Brazil
- Avaliação da desertificação no sudoeste do estado do Piauí, através de técnicas de sensoriamento remoto